Geometric Conditions for Lossless Convexification in Linear Optimal Control with Discrete-Valued Inputs: Real-Time Implementation for Spacecraft Rendezvous
University of Kentucky(肯塔基大学)
本文提出了一种用于线性时变系统最优控制的无损凸化框架,通过几何条件确保放松后的凸问题解满足原始非凸输入约束,从而实现实时离散值控制。
2026-05-21 cs.SY eess.SY math.OC
Tight MIQP Reformulations for Semi-Continuous Quadratic Programming: Lift-and-Convexification Approach
本文考虑了一类半连续二次规划问题,该问题在生产计划、投资组合选择和回归子集选择等实际应用中经常出现。我们提出了一个提升和凸化的方法来推导出一个等价的原问题的重新制定。该提升和凸化方法将仅在原始目标函数$f(x,y)$中涉及$x$的二次项提升为$x$和$y$两者的二次函数,并使该等效目标函数凸化。虽然我们的新的重构的连续松弛达到了相同的紧约束所取得的连续松弛的知名的透视重构,新的重构也保留了线性约束的二次规划结构的原始混合整数问题。这个突出的特性通过在根节点处提供与最先进的透视图重构相同的紧密性并在子节点处提供更快的处理时间来提高分支定界算法的性能。我们进一步结合升降和凸化的方法和二次凸重构方法在文献中形成一个更紧密的重构。从我们的计算测试中的投资组合选择和子集选择问题的结果,数值验证了我们的新的改写这些理论特征的好处。
2015-07-21 math.OC
The circle packing problem: a theoretical comparison of various convexification techniques
针对单位正方形内最大等圆装填这一非凸二次约束优化难题,本文比较多种凸化技术所得 LP 与 SDP 松弛的理论强度,并证明 Anstreicher 的猜想。
2024-04-03 math.OC
Rank-one convexification for quadratic optimization problems with step function penalties
本文提出秩一凸化方法,将带阶跃函数惩罚的凸二次优化转化为凸问题,并应用于0-1损失支持向量机,在异常值下实现稳健估计。
2025-04-23 math.OC
Quadratic Convexification of a Square Truncated by a Hyperbola
Clemson University(克莱姆森大学)
研究由双曲线截断的正方形构成的非凸集$G$,刻画其非负二次多项式锥的极射线,推导其提升凸包的精确有限半定表示,完善了乘积约束区域的凸化理论。
2026-08-28 math.OC
A Convex Optimization Approach for Finite-Thrust Time-Constrained Cooperative Rendezvous
本文提出了一种凸优化方法来解决合作交会问题,即两个相距较远的航天器同时运行以接近目标的问题。凸规划通过使用高效的数值算法,保证在有限的短时间内收敛到最优解。采用无损和连续凸化技术相结合来处理原问题的非凸性。具体地说,一个方便的变量变换和约束松弛进行,而一个连续的线性化的运动方程被用来处理的非线性动力学。为了提高算法的鲁棒性,提出了一种递归更新参考解的滤波技术。数值结果,并与间接方法提供的结果进行了比较。
2019-09-20 math.OC
On convexification/optimization of functionals including an l2-misfit term
我们提供了计算f(x)型泛函的下半连续凸包络的理论,加上一个l2失配,并讨论了各种非凸优化问题的应用。后一项是数据拟合项,而f提供对x的结构约束。通过最小化上面的表达式,可能有额外的约束,我们因此找到了匹配测量数据和在x上强制执行特定结构(如稀疏性或低秩)之间的折衷。对于这些特殊情况,该理论提供了凸松弛技术的替代方案,如l1最小化(向量)和核范数最小化(矩阵)。对于泛函的L2失配包括一个奇异矩阵和凸包络通常是不明确可计算的,我们提供的理论如何极小化(明确可计算)近似凸包络与极小化的原始功能。特别是,我们给出了明确的条件时,两者重合。
2018-11-09 math.FA math.OC
A Convexification Approach for Small-Signal Stability Constrained Optimal Power Flow
本文提出了一种不依赖于特征值分析的小信号稳定约束最优潮流(SSSC-OPF)的凸化方法。所提出的方法是基于小干扰稳定的充分条件,发展为一个双线性矩阵不等式(BMI),并使用网络结构保持微分代数方程(DAE)建模的电力系统。所提出的配方是基于半定规划(SDP)和目标惩罚,已提出的可行解恢复,使该方法的计算效率为大规模系统。一个向量范数为基础的目标罚函数也提出了可行解恢复,而工作在大型和密集的BMI与矩阵变量。对WECC 9节点、新英格兰39节点和IEEE 118节点测试系统进行的有效性研究表明,该方法能够实现稳定的平衡点,而不会产生高的稳定性引起的额外成本。
2021-09-16 cs.SY eess.SY math.OC
Tight Constraint Prediction of Six-Degree-of-Freedom Transformer-based Powered Descent Guidance
Massachusetts Institute of Technology(麻省理工学院);Rockwell International(罗克韦尔国际公司)
本文提出T-SCvx方法,通过Transformer学习六自由度动力下降制导中逐次凸化的紧约束集合和参考轨迹,显著提升求解效率与收敛性,实现火星动力着陆的机载实时轨迹生成。
2025-01-01 cs.LG cs.RO cs.SY
Conic Optimization Theory: Convexification Techniques and Numerical Algorithms
University of California, Berkeley(加州大学伯克利分校)
本文综述了二次优化及其新兴应用的主要进展,讨论了二次优化在不同领域的的重要性,解释了非凸问题的凸松弛层次设计的开创性结果,并研究了大规模二次优化问题的不同数值算法。
2017-09-26 cs.NA math.NA math.OC
Stochastic Control of Launch Vehicle Upper Stage with Minimum-Variance Splash-Down
本文提出了一种新的综合方法,用于设计运载火箭上一级不可节流的最优鲁棒制导律。在未扰动的情况下,无损和连续凸化技术的组合,制定的指导问题作为一个序列的凸问题,产生的最佳轨迹,作为一个参考的反馈控制器的设计,几乎没有计算工作。然后,基于参考状态和控制,一个随机最优控制问题被定义为寻找一个闭环控制律,以抑制随机飞行干扰。控制参数作为一个乘法反馈法,因此,只有控制方向进行调节,而幅度对应于标称值,使其用于固体火箭发动机。优化的目的是最大限度地减少飞溅分散,以确保废级尽可能接近标称点。由于采用了一种新颖的凸化策略,使得随机最优控制问题转化为半定规划问题,从而可以在多项式时间内求解。数值结果评估的随机控制器的鲁棒性,并通过广泛的Monte Carlo运动与模型预测控制算法的性能进行比较。
2022-10-26 cs.SY eess.SY math.OC
Convex Optimization of Launch Vehicle Ascent Trajectory with Heat-Flux and Splash-Down Constraints
本文提出了一种凸规划方法来优化多级运载火箭从发射到有效载荷射入目标轨道的上升轨道,考虑了多个非凸约束,如整流罩抛除后的最大热流和烧毁级的溅落。采用无损和连续凸化将问题转化为一系列凸子问题。包括虚拟控制和缓冲区,以确保递归的可行性的过程和一个国家的最先进的方法,用于更新参考解决方案的实施,以过滤掉不需要的现象,可能会阻碍收敛。一个惠普伪谱离散方案是用来准确地捕捉复杂的上升和返回动力与有限的计算工作。数值结果的基础上,讨论了算法的收敛性,计算效率,和鲁棒性。以织女星运载火箭向极轨上升为例,讨论了热流与溅落约束之间的相互作用。最后,对不同溅落位置的运载火箭运载能力进行了灵敏度分析。
2020-08-30 math.OC
Rank-one Convexification for Sparse Regression
University of California, Berkeley(加州大学伯克利分校);University of Pittsburgh(匹兹堡大学)
稀疏回归模型由于其易于解释性和出色的样本外性能而日益流行。然而,稀疏回归的精确模型与$\ell_0$约束限制的支持的估计是一个具有挑战性的(\NP硬)非凸优化问题。在本文中,我们得到了新的强凸松弛稀疏回归。这些松弛是基于理想的(凸包)配方秩一二次项与指标变量。新的松弛可以制定为半定优化问题在一个扩展的空间,更强大和更一般的比国家的最先进的配方,包括透视重构和配方与反向休伯罚款和极小极大凹罚函数。此外,建议的秩一加强可以被解释为一个\textit{non-separable, non-convex, unbiased}稀疏诱导正则化,它动态地调整其惩罚根据误差函数的形状,而不会引起偏见的稀疏解决方案。在我们的基准数据集的计算实验中,提出的二次曲线公式在几秒钟内解决,并导致非凸$\ell_0$ -问题的接近最优的解决方案(0.4\%的最优性差距)。此外,从统计的角度来看,所得到的估计也优于其他凸方法,实现了高预测精度和良好的可解释性。
2020-10-18 cs.LG math.OC stat.ME
Theoretical Perspectives on Jabr-Type Convex Relaxations for AC Optimal Power Flow
University of Pavia(帕维亚大学)
本文从多线性等式角度统一审视Jabr松弛的强化技术,揭示循环约束与多线性一致性条件的关系,探讨凸化交互图与可行集的区别,提供统一框架整合图结构、多线性凸化与锥松弛。
2026-04-01 math.OC
Convex Relaxation of AC Optimal Power Flow with Flexible Transmission Line Impedances
柔性输电线路阻抗一方面为提高电网灵活性提供了一种有前途的控制资源,但另一方面也增加了相关最优化问题的复杂性。本文提出了一种求解可变线路阻抗交流最优潮流的凸化方法。首先,它被发现,一个灵活的阻抗线是等效的恒定阻抗线连接一对Transformers的相关和连续可调的抽头比。然后,利用该电路等效,将原最优化问题转化为现有凸松弛框架下的半定规划,以易于实现的方式提高了求解的易处理性和最优性。IEEE 118节点系统的数值试验验证了所提出的方法。
2022-04-09 math.OC
Tutorials on Advanced Optimization Methods
本教材提供了有关各种工程学科中经常使用的一些优化技术的详尽教程,包括凸优化、线性化技术和混合整数线性规划、鲁棒优化和平衡/博弈问题。它讨论了如何通过凸化,线性化和分解将困难的(非凸,多智能体,最小-最大)问题转化为求解器兼容的形式(半定规划,混合整数线性规划),因此原始问题可以通过商业/开源软件可靠地解决。基本算法不是主要焦点。对于那些有线性代数和线性规划基础知识的自学者来说,本教材是一个很好的参考。这是清华大学教授的最优化课程的主要参考之一。
2020-07-19 math.OC
A Convex Optimization Approach to Compute Trapping Regions for Lossless Quadratic Systems
针对无耗散二次系统捕获区域计算中的非凸优化和保守估计问题,提出基于凸半定规划的精确验证条件与计算方法,可扩展至约O(100)维系统。
2024-01-09 cs.SY eess.SY math.DS
Microsecond-Class Powered-Descent Optimization via Exact Condensation and Strong Convex Regularization
School of Aerospace Engineering, Tsinghua University(清华大学航天航空学院);School of Astronautics, Beihang University(北京航空航天大学宇航学院);State Key Laboratory of High-Efficiency Reusable Aerospace Transportation Technology(高效可重复使用航天运输技术国家重点实验室)
研究火星动力下降优化问题,结合精确凝聚、强凸正则化等方法简化问题,经固定预算外推比例积分投影梯度迭代求解,大幅减少迭代次数,实现微秒级快速求解凸核。
2026-07-29 math.OC
Nonnegative Quadratics over a Quadrant with a Bilinear Constraint
Clemson University(克莱姆森大学)
本文刻画带双线性约束的象限上非负二次多项式锥的极射线,得到其提升凸包的半定表示,还构造了平方和锥的六维线性截面并给出两类多项式的有界次非负性证书。
2026-08-18 math.OC
Occupation measure relaxations in variational problems: the role of convexity
这项工作解决了占领措施放松变分问题,这是一个无限维线性规划放松服从数值逼近的半定最优化问题的层次。我们解决这个问题的等价性放松到原来的问题。我们的主要结果为这种等价性提供了充分条件。这些条件,围绕凸性的数据,是简单的,适用于非常一般的设置,可以是任意尺寸,并可能包括逐点和积分约束,从而大大加强现有的结果。我们的条件也扩展到最优控制问题。此外,我们演示了如何将这些结果可以应用在非凸设置,表明占领措施放松至少是一样强的凸化使用凸包络,在这样做,我们证明了一定的削弱占领措施放松是等同于凸包络。这开辟了道路的应用程序的占领措施松弛的凸包络松弛的情况下,已知是相当于原来的问题,其中包括问题的磁性和弹性。
2023-03-04 math.OC
Improving Computational Efficiency for Powered Descent Guidance via Transformer-based Tight Constraint Prediction
Massachusetts Institute of Technology(麻省理工学院)
提出 T-PDG,用 Transformer 依据历史轨迹优化数据预测紧约束与最优着陆时间,并经可行性检查保证安全最优,使火星 3 自由度燃料最优轨迹计算由 1–8 秒降至 500 毫秒内。
2023-12-11 cs.LG cs.RO cs.SY
Control Barrier Functions-based Semi-Definite Programs (CBF-SDPs): Robust Safe Control For Dynamic Systems with Relative Degree Two Safety Indices
Carnegie Mellon University(卡内基梅隆大学)
在这篇文章中,我们考虑的问题,实现安全控制的动态系统的安全指标或(控制障碍功能(松散))具有相对程度等于2。我们考虑参数仿射非线性动态系统,并假设参数的不确定性是一致的,已知的先验或通过估计器/参数自适应律在线更新。在这种不确定性下,通常的CBF-QP安全控制方法采取鲁棒最优化问题的形式。不等式约束的右侧和左侧都依赖于未知参数。在给定的不确定性表示下,CBF-QP安全控制最终成为一个凸半无限问题。使用两种不同的哲学,一种基于弱对偶,另一种基于无损s-过程,我们得出了这个鲁棒CBF-QP问题的相同SDP公式。因此,我们表明,计算安全控制与已知的参数不确定性的问题可以构成一个易于处理的凸问题,并在线解决。(This正在进行中)。
2022-08-25 cs.RO math.OC
On the convex hull of convex quadratic optimization problems with indicators
Northwestern University(西北大学);University of California Berkeley(加州大学伯克利分校);University of Southern California(南加州大学)
研究了具有任意约束的凸二次最优化问题。我们证明,在具有二次数量的附加变量的扩展空间中,相关混合整数集的凸包描述由单个半正定约束(显式声明)和线性约束组成。特别是,这类问题的凸化减少到描述一个多面体集在一个扩展的配方。虽然这个多面体集的顶点表示是指数和一个明确的线性不等式的描述可能不容易在一般情况下,我们推导出一个紧凑的混合整数线性配方,其解决方案与多面体集的顶点重合。我们还在原始变量空间中给出了描述:我们提供了一个基于无穷多个圆锥-二次不等式的描述,这些不等式是``生成的。“特别地,可以表征给定的不等式是否需要描述凸包。本文提出的新理论统一了已有的几个结果,并为利用多面体方法分析混合整数非线性集的凸包铺平了道路。
2022-11-27 cs.LG math.OC
SOCP relaxation bounds for the optimal subset selection problem applied to robust linear regression
本文讨论了在d维空间中从一个较大的n个元素集合中寻找h个元素的全局最优子集以最小化一个二次准则的问题,特别强调了在计算稳健回归的最小二乘估计(LTSE)中的应用。LTSE的计算是一个具有挑战性的子集选择问题,涉及一个具有连续和二进制变量的非线性程序,以高度非线性的方式连接。使用分支定界(BB)算法选择全局最优子集仅限于非常低维的问题,特别是d<5,因为问题的复杂性随d呈指数增长。我们在BB算法中引入了一个大胆的剪枝策略,从而大大减少了计算时间,但代价是损失了可忽略的精度。我们的算法的新颖之处在于,在BB树的节点的边界来自伪凸使用线性化技术与非线性项的近似边界。通过求解一个辅助半定最优化问题来计算近似界。我们通过计算研究表明,我们的算法表现良好,在广泛的最困难的情况下的LTSE问题。
2015-05-29 math.OC math.ST stat.TH
Lift and Relax for PDE-constrained inverse problems in seismic imaging
我们提出了提升和放松的波形反演(LRWI),一种方法,通过两个凸化技术的组合,减轻地震全波形反演(FWI)的局部极小值问题。第一种技术(Lift)将最优化问题中的变量集扩展为这些变量的乘积,排列为矩矩阵。这种代数思想是用半定规划近似代替困难的多项式最优化问题的著名方法。具体地说,模型和波场都从向量提升到秩2矩阵。第二种技术(松弛)邀请考虑波动方程,而不是作为一个硬约束,但作为一个软约束,以满足只有近似-一种技术称为波场重建反演(WRI)。WRI通过在目标函数中引入波动方程失配作为加权惩罚项来削弱波动方程约束。松弛的惩罚公式能够通过调整罚参数来平衡数据和波动方程失配。同时,Lift和Relax有助于将逆问题重新表述为高维空间中秩2矩矩阵上的一组约束。这种提升策略允许在整个反演过程中良好的数据和波动方程拟合,同时使秩-2矩矩阵的数值秩最小化到1。数值算例表明,相比FWI和WRI,LRWI可以进行成功的反演,使用初始模型,将被认为是太差,和数据的起始频率,将被认为是太高,在隔离的任何一种方法。具体而言,在线性梯度启动模型的情况下,LRWI将Marmousi模型和逆掩断层模型的可接受启动频率分别从1.0 Hz和0.5 Hz增加到2.0 Hz和2.5 Hz。
2020-06-30 math.OC physics.geo-ph
Sparse Robust Optimal Control in Continuous-Time: A Computationally Viable Approach
Georgia Institute of Technology(佐治亚理工学院);Fujitsu Research(富士通研究所);The University of Tokyo(东京大学);Hiroshima University(广岛大学);Indian Institute of Technology Bombay(印度理工学院孟买分校)
研究连续时间下的稀疏鲁棒最优控制问题,提出新算法框架,通过求解有限凸优化问题无损恢复原半无限规划的最优值与优化器,能解决相关系统问题,并经数值示例验证算法有效性。
2026-07-14 cs.SY eess.SY math.OC